|
|
|
|
پایش و پیش‌بینی کیفیت عمل جراحی دومرحله‌یی سرطان تیروئید با استفاده از مدل فضای حالت زمان‌متغیر تعدیل ریسک شده
|
|
|
|
|
|
|
|
نویسنده
|
رسولی محمد ,نورالسناء رسول ,صمیمی یاسر ,حیدری کامران
|
|
منبع
|
مهندسي صنايع و مديريت شريف - 1401 - دوره : 38-1 - شماره : 1 - صفحه:67 -79
|
|
چکیده
|
در مطالعه‌ی فرایندهای درمانی چندمرحله‌یی، دو مفهوم از اهمیت ویژه‌یی برخوردارند: «تعدیل ریسک» و «در نظر گرفتن خاصیت آبشاری». به منظور پایش این فرایندها ابتدا می‌بایست مدل مناسبی برای شناسایی رفتار فرایندهای چندمرحله‌یی توام با ریسک شناسایی شود. سپس بر اساس مدل شناسایی شده، نمودارهای کنترل می‌توانند پیشنهاد شوند. در این تحقیق، یک مدل فضای حالت خطی متغیر با زمان تعدیل شده با ریسک به منظور تحلیل فرایندهای درمانی چندمرحله‌یی معرفی شده است. سپس مرتبه‌ی مدل و پارامترهای آن به ترتیب بر اساس روش‌های تجزیه‌ی مقادیر تکین هنکل (hsvd) و کمینه‌سازی خطای برآورد (pem)، تخمین زده شده‌اند. به منظور ارزیابی مدل شناسایی شده، عملکرد مدل بر روی داده‌های شبیه‌سازی و مجموعه داده‌ی واقعی عمل جراحی دومرحله‌یی سرطان تیروئید مورد بررسی قرار گرفته است. از مدل شناسایی شده پیشنهادی می‌توان برای شبیه‌سازی، پیش‌بینی و پایش فرایندهای درمانی چندمرحله‌یی استفاده کرد.
|
|
کلیدواژه
|
فرایند درمانی چندمرحله‌یی، تعدیل ریسک، مدل فضای حالت، شناسایی سیستم، جراحی سرطان تیروئید
|
|
آدرس
|
دانشگاه علم و صنعت ایران, دانشکده‌ی مهندسی صنایع, ایران, دانشگاه علم و صنعت ایران, دانشکده‌ی مهندسی صنایع, ایران, دانشگاه صنعتی خواجه نصیرالدین طوسی, دانشکده‌ی مهندسی صنایع, ایران, دانشگاه علوم پزشکی شهید بهشتی, دانشکده‌ی پزشکی, گروه طب اورژانس, ایران
|
|
پست الکترونیکی
|
heidari-k@sbmu.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
monitoring and forecasting quality of twostage thyroid cancer surgery using riskadjusted time varying state space model
|
|
|
|
|
Authors
|
rasouli m. ,noorossana r. ,samimi y. ,heidari k.
|
|
Abstract
|
health services research (hsr) is of great importance to communities because decisionmakers and public consider hsr as the primary source of information to determine how well health systems are meeting their specifications. nowadays, in healthcare, there are many therapeutic processes whose results are obtained by some related stages. for studying these kinds of processes, commonly referred to as multistage processes, two concepts are important: one is risk adjustment, and the other is considering the cascade property. an example of a multistage therapeutic process is thyroid cancer surgery, which is usually performed on patients in two stages and part of the cancerous tumors are removed at each stage. in the twostage thyroid cancer surgery, the quality of second surgery will be affected by the results of the first stage operation. for monitoring these processes, various control charts are used including modelbased control charts. to design such charts, an appropriate model should be identified at first; then, control charts could be proposed based on the identified model. in this research, a riskadjusted timevarying linear state space model is introduced for analyzing the multistage therapeutic processes. the state space models are statistical models that many researchers have used to analyze multistage processes. these models are based on engineering knowledge and the physical laws of real systems. then, the model order and its parameters are estimated by hankel singular value decomposition (hsvd) and prediction error minimization (pem) methods, respectively. this is called inputoutput identification. the model performance is evaluated using numerical simulation and a real world twostage thyroid surgery dataset. based on the satisfactory results, one can use the model while simultaneously considering risk adjustment, cascade property, transmission error, and test error to forecast and monitor multistage therapeutic processes.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|